文本挖掘(Text Mining,简称TM),也称作文本数据挖掘(Text Data Mining),通俗地说,就是从文本或大量文本的集合中发现有用信息和知识过程。随着新军事革命进一步深化,世界各国为寻求军事制高点,下大力建设信息化军队。军队信息化建设的核心就是军事信息系统的建设,而军事情报分析系统则是信息系统的重要组成部分,如何提高情报分析效益,缩短指挥信息环路周期,提高信息系统的辅助决策效益,成为信息化建设中重中之重的问题。目前,各级情报侦察部门收集汇总的大量分析报告主要采用传统的处理方式进行分析利用。特别是在定量分析中主要采用IR和IE两种技术,制约了情报分析的发展。本文在军事情报分析中引入文本挖掘技术,并利用ACTC作为分类工具,采用关联分析分类方法,对大量的中文文本情报,进行了分类,明显提高了情报分析效益。运用数据挖掘技术对情报进行分析处理,将有利于提高情报分析系统的效率和精度。本论文主要就以下问题进行了研究。1)文本挖掘的概念、过程、研究课题、应用领域,及其与DB、IR、IE的区别与联系。2)基于统计模型的常见文本分类技术,包括文本的向量空间模型〔VSM〕表示、文本预处理,文本分类算法和分类评估标准。3)军事情报分析系统的构成及功能,及其在军事指挥系统中的位置。4)基于数据挖掘的军事情报分析系统的总体设计,系统需求,结构和处理流程,文本训练模块和文本分类模块的设计框架,最后用实验数据佐证论文观点。本文的研究工作与研究成果对于中文文本挖掘技术研究有一定的理论意义;对于改进情报分析系统结构,建立具有可伸展性和自适应性的情报分析系统具有重要的参考价值;为基于数据挖掘的军事情报分析系统的研究与开发提供了一条可行的途径。